基于深度学习的屏气缩减实现更快速扩散心脏MRI
图像与视频处理
2022-06-22 v1 计算机视觉与模式识别
机器学习
摘要
扩散张量心脏磁共振（DT-CMR）使我们能够在体、无创地探测心肌内心肌细胞的微观结构排列，这是其他任何成像模态都无法实现的。这一创新技术可能彻底改变心脏临床诊断、风险分层、预后和疗法随访的能力。然而，DT-CMR目前效率低下，获取单张2D静态图像需要超过六分钟。因此，DT-CMR目前仅限于研究而未用于临床。我们提议减少生成DT-CMR数据集所需的重复次数并随后去噪，从而以线性因子缩短采集时间，同时保持可接受的图像质量。我们提出的方法基于生成对抗网络（GAN）、视觉变换器（Vision Transformers）和集成学习，其性能显著且大幅优于先前提出的方法，使单次屏气DT-CMR更接近现实。
引用
@article{arxiv.2206.10543,
title = {Faster Diffusion Cardiac MRI with Deep Learning-based breath hold reduction},
author = {Michael Tanzer and Pedro Ferreira and Andrew Scott and Zohya Khalique and Maria Dwornik and Dudley Pennell and Guang Yang and Daniel Rueckert and Sonia Nielles-Vallespin},
journal= {arXiv preprint arXiv:2206.10543},
year = {2022}
}
备注
15 pages, 1 figures, 2 tables. To be published in MIUA22